文献

J-GLOBAL ID：202102276863427872   整理番号：21A0006819

変圧器を用いた鉄検出【JST・京大機械翻訳】

Irony Detection Using Transformers

著者 (4件)： Agrawal Abhishek (Delhi Technological University,Dept. of Computer Engineering,New,India) ,  Jha Abhishek Kumar (Delhi Technological University,Dept. of Computer Engineering,New,India) ,  Jaiswal Ashish (Delhi Technological University,Dept. of Computer Engineering,New,India) ,  Kumar Vinod (Delhi Technological University,Dept. of Computer Engineering,New,India)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： CDS  ページ： 165-168  発行年： 2020年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 絶えず拡大しているソーシャルネットで,鉄の検出と分類の使用事例も指数的に増加している。本研究では,SemEva1-2018のタスク3を,さらに2つのタスクを持つ著者らの問題のステートメントとして取り上げた。著者らは,与えられたピンセットが鉄またはそうでない(Task A)かどうかを最初に決定し,次に,4つのクラス,すなわち,非鉄性,言語性鉄性,コントラストのない言語性鉄,および状況的鉄(Task B)に分類した。既存の論文は主に教師つき機械学習を用いてツイートの語彙特徴を利用した。ここでは,2つのNLP変換機モデルを提案した。BERT(変換者からの双方向エンコーダ表現)とツイートを分類するためのXLNetsを過去の論文の結果と比較した。BERTを用いて,タスクAおよびタスクBに対して,それぞれ0.70および0.75のF1スコアを達成し,XLNets0.74および0.59を用いた。Copyright 2021 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： コントラスト ,  *変圧器 ,  変換器 ,  言語 ,  *鉄 ,  語彙 ,  符号器 ,  非鉄金属
準シソーラス用語： ピンセット ,  教師付き機械学習 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (2件)： 変圧器 ,  鉄